[发明专利]一种基于FWA-RNN模型的航空发电机故障诊断方法在审
| 申请号： | 201810017397.3 | 申请日： | 2018-01-09 |
| 公开（公告）号： | CN108241298A | 公开（公告）日： | 2018-07-03 |
| 发明（设计）人： | 崔江;刘力宇;张卓然 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 曹芸 |
| 地址： | 210017 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 航空发电机 故障分类 故障诊断 训练样本 发电机状态监测 故障模式分析 故障诊断领域 神经网络模型 归一化处理 模型准确性 自适应能力 测试信号 测试样本 初始参数 待测信号 结合测试 数据存储 样本数据 鲁棒性 传感器 检测 准确率 采集 传输 计算机 优化 | ||
1.一种基于FWA-RNN模型的航空发电机故障诊断方法，其特征在于，主要包括以下步骤：
(1) 故障模式分析及测试信号选取：分析航空发电机的故障模式类型，确定故障类型数目；
(2) 信号采集：确定航空发电机待测信号并利用传感器在各种工作状态下采集大量数据，之后传输给计算机进行数据存储；
(3) 数据预处理：将获得的大量数据做快速傅里叶变换，并进行归一化处理；将获得的数据分为训练样本和测试样本；
(4) 网络运行：结合测试样本数据利用FWA优化RNN所有初始参数，建立神经网络模型，将训练样本作为输入进行故障分类；
(5) 性能测试：检测模型准确性。
2.根据权利要求1中所述的一种基于FWA-RNN模型的航空发电机故障诊断方法，其特征在于：所述步骤(4)中具体过程如下：
首先，将随机设置的几组RNN初始参数，即所有权值与阈值作为初始爆炸点坐标，输入测试样本， 利用基于GFS、MapReduce、Bigtable框架下的Hadoop 分布式计算平台分别计算每个爆炸点的适应度值；
其次，利用FWA算法对初始爆炸点坐标进行优化得到最优的爆炸点坐标，将其作为递归神经网络参数；
最后，输入训练样本进行分类。
3.根据权利要求1中所述的一种基于FWA-RNN模型的航空发电机故障诊断方法，其特征在于：步骤（1）中所述航空发电机的故障模式类型为定子绕组的内部短路故障、定子绕组的绝缘故障、转子绕组匝间短路故障。
4.根据权利要求1中所述的一种基于FWA-RNN模型的航空发电机故障诊断方法，其特征在于：步骤（1）中所述航空发电机的故障模式类型为旋转整流器整流管单管断路故障、双管断路故障、轴承故障、转轴故障。
5.根据权利要求1中所述的一种基于FWA-RNN模型的航空发电机故障诊断方法，其特征在于：步骤（2）中所述传感器为电流传感器、电压传感器、振动传感器。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京航空航天大学，未经南京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810017397.3/1.html，转载请声明来源钻瓜专利网。
